MétaCan
Menu
Retour à la cohorte
Enregistrement W2979600091

Combating HIV/AIDS: biomedical approaches towards prevention

2019· article· en· W2979600091 sur OpenAlexaff
Lucy Wangari Mwangi, Julie Lajoie, Julius Oyugi, Keith R. Fowke

Notice bibliographique

RevueAfrican Journal of Biomedical Research · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV/AIDS Research and Interventions
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMedicineHuman immunodeficiency virus (HIV)Psychological interventionDiseaseMicrobicideTreatment as preventionIntensive care medicineTransmission (telecommunications)Public healthImmunologyViral loadAntiretroviral therapyPathologyPsychiatryComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

For over three decades, HIV/AIDS has had a deleterious impact on public health the world over. There is still no cure for the disease although preventive strategies have evolved over the years to reduce its impact. In addition to behavioural change approaches, biomedical interventions have played a major part in reduction of HIV transmission and subsequently the burden associated with the HIV/AIDS disease. Early biomedical approaches include physical barriers such as condoms, use of clean injection equipment for intravenous drug users, blood and blood product screening. More recently, medical male circumcision and use of anti-retroviral drugs for prevention have been introduced. While these interventions have had a fundamental impact in reducing HIV incidence, the burden in many populations remains. Therefore, there is need to develop new biomedical methods to augment existing efforts. Future biomedical approaches may for instance include use of compounds that modulate the body’s immune system, such as acetylsalicylic acid, to cause resistance to HIV infection. Such approaches could be added to the HIV prevention toolkit. Keywords: HIV/AIDS, biomedical, prevention, immune quiescence Afr. J. Biomed. Res . Vol. 22 (May, 2019); 105- 114

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,737
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,140
Tête enseignante GPT0,421
Écart entre enseignants0,281 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAfrican Journal of Biomedical ResearchMême sujetHIV/AIDS Research and InterventionsTravaux en français237 207